Mapping of water variability using MODIS and Landsat time series, in the Brígida River Basin, in Pernambuco
DOI:
https://doi.org/10.29150/jhrs.v13.5.p624-637Keywords:
EVI, albedo, NDWI, SAVI, mudanças climáticasAbstract
This research was developed with the objective of evaluating the hydrological development, from a temporal perspective, of the Brígida River Basin, located in the hinterland of Pernambuco, Brazil, using the MODIS sensor (Moderate Resolution Spectroradiometer) and Landsat, to calculate the values of EVI, albedo, NDWI and SAVI. The region's precipitation series between 1993 and 2022 was analyzed, highlighting the years 1993 and 2016 as years of severe drought, and the year 2022, with high rainfall, was chosen as a comparison. The EVI for the years 1993 and 2016, in August, the driest month, were both 0.16, and for 2022, the value was 0.22. SAVI ranged from 0.02 to 0.21 in 1993, from 0.21 to 0.40 in 2016, and 0.40 to 0.59 in 2022. The maximum albedo value was 0.427 in 1993, 0.746 in 2016 and 0.675 in 2022. The maximum NDWI value was 0.493 in 1993, 0.788 in 2016 and 0.881 in 2022. These values point to a complex relationship between heat distribution, water availability and the presence of local vegetation. The vegetation, predominant in the Caatinga biome, has a strong adaptive capacity to periods of lower water availability and a high capacity for climate regulation, which makes it extremely important to monitor its management to guarantee local climate resilience mechanisms.
References
Allen, R. G., Trezza, R., Tasumi, M., 2002. Surface energy balance algorithms for land. Advance training and user’s manual, version 1.0, 98p.
Angelini, L. P., Fausto, M. A., Mützenberg, D. M. S., Danielle Christine Stenner Nassarden, D. C. S., Danelichen, V. H. M., Marques, H. O., Machado, N. G., Nogueira, J. S., Biudes, M. S., 2015. Relação entre albedo e temperatura da superfície estimados por sensoriamento remoto na área urbana de Cuiabá, Mato Grosso. In Anais… XVII Simpósio Brasileiro de Sensoriamento Remoto – SBSR/INPE, João Pessoa-PB, Brasil.
APAC - Agência Pernambucana de Águas e Climas. Bacia do Rio Brígida, 2023a. Disponível em: https://www.apac.pe.gov.br/bacias-hidrograficas-rio-brigida/161-bacias-hidrograficas-rio-brigida/25-bacia-do-rio-brigida. Acesso em: 18/08/2023.
APAC - Agência Pernambucana de Águas e Climas. Monitoramento pluviométrico, 2023b. Disponível em: http://old.apac.pe.gov.br/meteorologia/monitoramento-pluvio.php. Acesso em: 16/08/2023.
Bacalhau, J. R., Ribeiro Neto, A., Oliveira, L. M. M., 2017. Aplicação de índice de vegetação no monitoramento da seca: Açude Algodões no Sertão pernambucano. Journal of Environmental Analysis and Progress, v. 2, 283-293.
Bastiaanssen, W. G. S., 2000. Based sensible and latent heat fluxes in irrigated Gedi Basin, Turkey. Journal of Hydrology, v. 229, p. 87100.
Birkmann, J., Jamshed, A., Mcmillan, J. M., Feldmeyer, D., Totin, E., Solecki, W., Ibrahim, Z. Z., Roberts. D., Kerr, R. B., Poertner, H. O., Pelling, M., Djalante, R., Garschagen, M., Leal Filho, W., Guha-Sapir, D., Alegría, A., 2022. Understanding human vulnerability to climate change: a global perspective on index validation for adaptation planning. Science of the Total Environment, v. 803, p.150065.
Boratto, I. M., Gomide, R. L., 2013. Aplicação dos índices de vegetação NDVI, SAVI e IAF na caracterização da cobertura vegetativa da região Norte de Minas Gerais. In Anais… Simpósio Brasileiro de Sensoriamento Remoto, 16, Foz do Iguaçu. São José dos Campos: INPE, p. 7345-7352.
Brenner, V. C., Guasselli, L. A., 2015. Índice de diferença normalizada da água (NDWI) para identificação de meandros ativos no leito do canal do rio Gravataí/RS – Brasil. In Anais… XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, João Pessoa-PB, Brasil, p. 3693-3699.
Cui, L., Shi, J., 2021. Evaluation and comparison of growing season metrics in arid and semiarid areas of northern China under climate change. Ecological Indicators, v. 121, p. 107055.
Cunha, J., Nóbrega, R. L. B., Rufino, I., Erasmi, S., Galvão, C., Valente, F., 2020. Surface albedo as a proxy for land-cover clearing in seasonally dry forests: evidence from the Brazilian Caatinga Remote Sensing Environment, v. 238, 111250.
Galvíncio, J. D., Sá, I. I. S., Moura, M. S. B., Ribeiro, J. G., 2007. Determinação das características físicas, climáticas e da paisagem da Bacia Hidrográfica do Rio Brígida com o auxílio de técnicas de geoprocessamento e sensoriamento remoto. Revista de Geografia, v. 24, 293-306.
Google Earth Engine. Editor de códigos, 2023. Disponível em: https://code.earthengine.google.com/. Acesso em: 18/08/2023.
Huete, A. R., 1988. A Soil Adjusted Vegetation Index (SAVI). Remote Sensing of Environment, 25, 295-309. http://dx.doi.org/10.1016/0034-4257(88)90106-X
Jabal, Z. K., Khayyun, T. S., Alwan, I. A., 2022. Impact of climate change on crops productivity using MODIS-NDVI time series. Civil Engineering Journal, 8, 1136-1156.
Lima, J. R., Magalhães, A. R., 2018. Secas no Nordeste: registros históricos das catástrofes econômicas e humanas do século 16 ao século 21. Parcerias Estratégicas, 3, 191-212.
Mcfeeters, S. K., 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, v. 17,. 1425 - 1432.
Silva, B. B., Braga, A. C., Braga, C. C., Oliveira, L. M. M., Montenegro, S. M. G. L., Barbosa Júnior, B., 2016. Procedures for calculation of the albedo with OLI-Landsat 8 images: Application to the Brazilian semi-arid. Revista Brasileira de Engenharia Agrícola e Ambiental, 20, 3- 8.
Souza, C. M., Shimbo, Z., Rosa, J., Parente, M. R., Alencar, A., Rudorff, B. F. T., Hasenack, H., Matsumoto, M. G., Ferreira, L., Souza-Filho, P. W. M., Oliveira, S. W., Rocha, W. F., Fonseca, A. V., Marques, C. B., Diniz, C. G., Costa, D., Monteiro, D., Rosa, E. R., Vélez-Martin, E., Azevedo, T., 2020. Reconstructing three decades of land use and land cover changes in Brazilian biomes with Landsat archive and earth engine. Remote Sensing, v. 12, 2735.
USGS - United States Geological Survey. Landsat Enhanced Vegetation Index. 2023. Disponível em: https://www.usgs.gov/landsat-missions/landsat-enhanced-vegetation-index#:~:text=Landsat%20Enhanced%20Vegetation%20Index%20. Acesso em: 22/08/2023.
Zhou, D., Xiao, J., Bonafoni, S., Berger, C., Deilami, K., Zhou, Y., Frolking, S., Yao, R., Qiao, Z., Sobrino, J. A., 2019. Satellite remote sensing of surface urban heat islands: progress, challenges, and perspectives. Remote Sensing, 11, 48.
Zhumanova, M., Mönnig, C., Hergarten, C., Darr, D., Wrage-Mönnig, N., 2018. Assessment of vegetation degradation in mountainous pastures of the Western Tien-Shan, Kyrgyzstan, using e MODIS NDVI. Ecological indicators, 95, 527-543.
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License.
Material protegido por direitos autorais e plágio. No caso de material com direitos autorais a ser reproduzido no manuscrito, a atribuição integral deve ser informada no texto; um documento comprobatório de autorização deve ser enviado para a Comissão Editorial como documento suplementar. É da responsabilidade dos autores, não da RBGF ou dos editores ou revisores, informar, no artigo, a autoria de textos, dados, figuras, imagens e/ou mapas publicados anteriormente em outro lugar. Se existir alguma suspeita sobre a originalidade do material, a Comissão Editorial pode verificar o manuscrito por plágio. Nos casos em que o plágio for confirmado, o manuscrito será devolvido sem revisão adicional e sem a possibilidade de re-submissão. Auto-plágio (ou seja, o uso de frases idênticas de documentos publicados anteriormente pelo mesmo autor) também não é aceitável.
